【技术实现步骤摘要】
一种基于信号特性和拓扑变化先验的动态拓扑估计系统及方法
本专利技术属于信号处理
，具体涉及一种基于信号特性和拓扑变化先验的动态拓扑估计系统及方法。
技术介绍
由于现今的物联网中广泛存在大量信号冗余、具有结构化特征等的海量原始数据，传统数据采集和处理方法已不适用。在物联网中的数据，与传统的时间序列、语音、音频、无线电、雷达、生物医学信号或图像和视频这些数据相比，往往具有数据维度高、离散化以及空间分布不规则等特点，对数据的分析和处理提出了更高和更复杂的要求。随着对信号和信息处理在不规则领域的需求不断增加，图凭借和网络结构天然的关联属性，逐渐成为网络数据分析的重要工具，可以用图形表示应用数据，然后通过关注和分析图形的结构来解决感兴趣的问题，或通过研究图形的变化，动态分析网络的变化。通过图的拓扑结构对网络进行数学抽象，可以表征信号之间的结构关系，可以自然地表示传感网、交通网以及社交网络等，是处理与网络相关的数据的重要工具之一。对于图信号来说，其所依托的图的拓扑结构是离散化的，并且空间分布不规则，有别于传...
【技术保护点】
1.一种基于信号特性和拓扑变化先验的动态拓扑估计方法，其特征在于，包括以下步骤：/n步骤1，建立观测信号模型；/n步骤2，基于观测信号模型，建立观测信号和图拓扑之间的关系；/n步骤3，针对图拓扑建立拓扑学习的数学模型，求解数学模型；所述数学模型为最小化第t时刻观测信号的惩罚函数及其惩罚项；惩罚函数包括信号的平滑性最大和冗余度最小，惩罚项包括约束拓扑规模及约束拓扑改变；/n步骤4，将观测信号数据依据时间进行分组，将分组后的观测信号数据代入至数学模型中，迭代求解出拓扑估计。/n
【技术特征摘要】
1.一种基于信号特性和拓扑变化先验的动态拓扑估计方法，其特征在于，包括以下步骤：
步骤1，建立观测信号模型；
步骤2，基于观测信号模型，建立观测信号和图拓扑之间的关系；
步骤3，针对图拓扑建立拓扑学习的数学模型，求解数学模型；所述数学模型为最小化第t时刻观测信号的惩罚函数及其惩罚项；惩罚函数包括信号的平滑性最大和冗余度最小，惩罚项包括约束拓扑规模及约束拓扑改变；
步骤4，将观测信号数据依据时间进行分组，将分组后的观测信号数据代入至数学模型中，迭代求解出拓扑估计。
2.根据权利要求1所述的一种基于信号特性和拓扑变化先验的动态拓扑估计方法，其特征在于，步骤1中，所述观测信号模型满足下式：
Yt＝U′tS′t+ε(9)
式中，Yt表示在第t时刻的观测信号，U′表示Ut的等价特征向量，表示St等价的图信号频率。
3.根据权利要求1所述的一种基于信号特性和拓扑变化先验的动态拓扑估计方法，其特征在于，步骤2中，观测信号和图拓扑之间的关系为：
式中，pμ分别表示第t时刻图频率值分布概率密度和图信号顶点值的均值的概率密度。
4.根据权利要求3所述的一种基于信号特性和拓扑变化先验的动态拓扑估计方法，其特征在于，当观测信号均值为0时，式(12)表示为：
式中：参数α0是正则化参数，式(10)中的第二项满足下式。
5.根据权利要求1所述的一种基于信号特性和拓扑变...
【专利技术属性】
技术研发人员：李国兵，戚泽峰，翟时雨，张国梅，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。